La Universitat Rovira i Virgili (URV) en Cataluña ha diseñado un modelo matemático capaz de configurar la comunidad energética idónea. El sistema computacional tiene en cuenta variables que describen las características meteorológicas del entorno, el consumo eléctrico de los usuarios, el coste económico de la tecnología necesaria y su impacto ambiental. Así, dimensiona y configura el equilibrio óptimo de energía solar fotovoltaica, eólica y capacidad de almacenamiento para minimizar el impacto económico y ambiental del equipamiento renovable.
Para testar el modelo matemático, los investigadores han elaborado un estudio de caso simulando la configuración de una comunidad energética situada en el barrio Nou Eixample Nord de Tarragona. Los resultados revelan que, con un dimensionamiento adecuado, la comunidad podría reducir su impacto ambiental y los costes de producción de energía.
La configuración más rentable económicamente resultó ser aquella con una alta potencia instalada de energía solar fotovoltaica, con presencia de dispositivos eólicos de dimensiones reducidas y sin capacidad de almacenamiento. Por otro lado, la opción con menos impacto ambiental fue aquella con un equilibrio entre fuentes solares, eólicas de dimensiones reducidas y capacidad de almacenamiento.
La finalidad de esta idea es que la energía se produzca allá donde se consume, minimizando el gasto económico y las pérdidas asociadas al transporte de la electricidad. También busca impulsar el uso de fuentes de energía renovables, siempre y cuando su instalación no entre en conflicto con prácticas agrícolas o con la preservación de espacios con valor ecológico.
Equilibro óptimo de energías renovables y almacenamiento
El modelo matemático tiene en cuenta una serie de variables de entrada y configura el equilibrio entre la potencia de las diferentes fuentes de energía renovable y la capacidad de almacenamiento necesaria para maximizar la rentabilidad económica del sistema y/o minimizar el impacto ambiental derivado de los equipamientos.
Las variables que se tienen en cuenta son aquellas que describen la meteorología de la localización de la comunidad (radiación solar, velocidad y dirección del viento, temperatura y humedad), aquellas derivadas de los patrones de consumo de los usuarios de la comunidad (potencia consumida, horas punta, horas valle, etc.) y aquellas propias de la tecnología disponible (rendimiento, vida útil, precio). Dado que estos datos son susceptibles a sufrir cambios, este modelo computacional permite seguir diseñando la comunidad energética óptima en cualquier situación.
El diseño de un modelo capaz de llevar a cabo estos cálculos ha implicado el uso de varias herramientas matemáticas y de computación como el aprendizaje automático, para calcular la potencia a instalar de cada fuente energética; la optimización multi-objetivo, para determinar la configuración que ofrece el mejor equilibrio entre coste económico e impacto ambiental; o el análisis de decisiones de criterio múltiple, para reunir los inputs en una resolución final.
El modelo matemático diseñado se presenta como una herramienta útil ante los cambios en las variables que afectan a la producción, rentabilidad o el consumo en las comunidades. Los investigadores esperan que este sistema sirva para que las instituciones, los usuarios y las empresas puedan diseñar comunidades energéticas mediante decisiones estratégicas basadas en la evidencia científica.